Fugu-MT 論文翻訳(概要): Preference Optimization for Molecular Language Models

論文の概要: Preference Optimization for Molecular Language Models

arxiv url: http://arxiv.org/abs/2310.12304v1
Date: Wed, 18 Oct 2023 20:11:46 GMT
ステータス: 処理完了
システム内更新日: 2023-10-20 17:56:20.329528
Title: Preference Optimization for Molecular Language Models
Title（参考訳）: 分子言語モデルの選好最適化
Authors: Ryan Park, Ryan Theisen, Navriti Sahni, Marcel Patek, Anna Cicho\'nska, Rayees Rahman
Abstract要約: 本研究では, 生成分子と化学選好との整合性を改善するための微調整法について検討した。その結果,このアプローチは単純で,効率的で,効果的であることが示唆された。
参考スコア（独自算出の注目度）: 2.1301586009702067
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Molecular language modeling is an effective approach to generating novel chemical structures. However, these models do not \emph{a priori} encode certain preferences a chemist may desire. We investigate the use of fine-tuning using Direct Preference Optimization to better align generated molecules with chemist preferences. Our findings suggest that this approach is simple, efficient, and highly effective.
Abstract（参考訳）: 分子言語モデリングは、新しい化学構造を生成する効果的なアプローチである。しかしこれらのモデルは、化学者が望むかもしれない特定の選好をエンコードしない。直接選好最適化を用いた微調整を用いて、生成分子と化学選好との整合性を向上する。以上より,このアプローチは単純,効率的,かつ極めて効果的であることが示唆された。

関連論文リスト

Pathway-Guided Optimization of Deep Generative Molecular Design Models for Cancer Therapy [1.8210200978176423]
ジャンクションツリー変動オートエンコーダ (JTVAE) は効率的な生成モデルであることが示されている。薬物様小分子の治療効果を評価する薬理力学モデルが, 有効潜時空間最適化にどのように組み込まれているかを示す。
論文参考訳（メタデータ） (2024-11-05T19:20:30Z)
Text-Guided Multi-Property Molecular Optimization with a Diffusion Language Model [77.50732023411811]
変換器を用いた拡散言語モデル(TransDLM)を用いたテキスト誘導多目的分子最適化手法を提案する。 TransDLMは標準化された化学命名法を分子の意味表現として利用し、プロパティ要求をテキスト記述に暗黙的に埋め込む。提案手法は, 分子構造類似性を最適化し, ベンチマークデータセットの化学的特性を向上するための最先端手法を超越した手法である。
論文参考訳（メタデータ） (2024-10-17T14:30:27Z)
Small Molecule Optimization with Large Language Models [17.874902319523663]
計算特性を持つ110M分子の新規コーパスを微調整した2つの言語モデルについて述べる。ブラックボックスオラクルへのアクセスに制限がある場合、言語モデルを利用して任意の特性の分子を最適化する新しい最適化アルゴリズムを導入する。
論文参考訳（メタデータ） (2024-07-26T17:51:33Z)
Aligning Target-Aware Molecule Diffusion Models with Exact Energy Optimization [147.7899503829411]
AliDiffは、事前訓練されたターゲット拡散モデルと望ましい機能特性を整合させる新しいフレームワークである。最先端の結合エネルギーを持つ分子を最大7.07 Avg. Vina Scoreで生成することができる。
論文参考訳（メタデータ） (2024-07-01T06:10:29Z)
DecompOpt: Controllable and Decomposed Diffusion Models for Structure-based Molecular Optimization [49.85944390503957]
DecompOptは、制御可能・拡散モデルに基づく構造に基づく分子最適化手法である。 DecompOptは強いde novoベースラインよりも優れた特性を持つ分子を効率よく生成できることを示す。
論文参考訳（メタデータ） (2024-03-07T02:53:40Z)
An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文参考訳（メタデータ） (2022-10-27T01:58:10Z)
Molecular Attributes Transfer from Non-Parallel Data [57.010952598634944]
分子最適化をスタイル伝達問題として定式化し、非並列データの2つのグループ間の内部差を自動的に学習できる新しい生成モデルを提案する。毒性修飾と合成性向上という2つの分子最適化タスクの実験により,本モデルがいくつかの最先端手法を著しく上回ることを示した。
論文参考訳（メタデータ） (2021-11-30T06:10:22Z)
Molecule Optimization via Fragment-based Generative Models [21.888942129750124]
創薬において、分子最適化は、望ましい薬物特性の観点から薬候補をより良いものにするための重要なステップである。本稿では,計算量最適化分子に対する革新的シリコアプローチを提案し,最適化分子グラフを生成するために問題を定式化する。我々の生成モデルはフラグメントベースの薬物設計の重要なアイデアに従い、小さなフラグメントを変更することで分子を最適化します。
論文参考訳（メタデータ） (2020-12-08T05:52:16Z)
Reinforced Molecular Optimization with Neighborhood-Controlled Grammars [63.84003497770347]
分子最適化のためのグラフ畳み込みポリシネットワークであるMNCE-RLを提案する。我々は、元の近傍制御された埋め込み文法を拡張して、分子グラフ生成に適用する。提案手法は, 分子最適化タスクの多種多様さにおいて, 最先端性能を実現する。
論文参考訳（メタデータ） (2020-11-14T05:42:15Z)
Graph Polish: A Novel Graph Generation Paradigm for Molecular Optimization [7.1696593196695035]
本稿では,従来の「二言語翻訳」タスクから「単言語」タスクへ分子最適化を変換する新しい分子最適化パラダイムであるグラフポーランドを提案する。本稿では,最適化段階における長期的依存関係を捉えるために,効果的で効率的な学習フレームワークT&Sの研磨法を提案する。
論文参考訳（メタデータ） (2020-08-14T08:36:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。